بصری تلاش میں 25 سال کی نوآوری کا جشن

پچیس سال پہلے، ایک سیلیبرٹی نے گریمی ایوارڈز میں ایک لباس پہنا اور انٹرنیٹ کو توڑ دیا — نہ کہ مجازی طور پر، بلکہ تلاش کی بنیادی ڈھانچے کے لحاظ سے لفظی طور پر۔ اس لمحے نے گوگل کو کچھ ایسا بنانے پر مجبور کیا جو ابھی موجود نہیں تھا: تصویری تلاش۔ اس ہفتے، گوگل نے اپنی تازہ ترین Nano Banana ماڈل سے چلنے والے AI Overviews میں دوبارہ ڈیزائن کیے گئے Google Images ہوم پیج اور نیٹیو تصویری نسل کے اعلان کے ذریعے اس سالگرہ کو نشان زد کیا۔ بصری تلاش میں 25 سال کی نوآوری کا جشن صرف ایک سنگ میل کی پوسٹ سے زیادہ ہے — یہ اس بات کا اشارہ ہے کہ AI سے چلنے والے انٹرفیسز کہاں جا رہے ہیں، اور اس رفتار کا مطلب ایشیا میں مصنوعات بنانے والے ڈویلپرز کے لیے کیا ہے۔

کیا ہوا

گوگل کے سرکاری اعلان کے مطابق، کمپنی نے 2001 میں Google Images کا آغاز کیا، تلاش کو خالصتاً متن پر مبنی تجربے سے ایک ایسے میں تبدیل کیا جو صارفین کو بصری طور پر دنیا کی تلاش کرنے دیتا ہے۔ 25 ویں سالگرہ دو ٹھوس مصنوعات کی تبدیلیوں کے ساتھ آتی ہے۔

پہلی بات، گوگل Google Images کے لیے ایک دوبارہ ڈیزائن کیا گیا، براؤز کے قابل گھر متعارف کرا رہا ہے — ایک متحرک، منغمس گیلری جو حقیقی وقت میں اپڈیٹ ہوتی ہے اور انفرادی صارف کی دلچسپیوں کے مطابق خود کو ڈھالتی ہے۔ جیسے جیسے آپ براؤز کرتے ہیں اور خیالات کو مجموعوں میں محفوظ کرتے ہیں، وہ مجموعے بنیادی گیلری کے اوپر ٹیبز کے طور پر سامنے آتے ہیں، ایک مستقل، ذاتی نوعیت کا بصری فیڈ بناتے ہیں۔ یہ خصوصیت آنے والے ہفتوں میں امریکہ میں انگریزی میں ڈیسک ٹاپ پر شروع ہو رہی ہے۔

دوسری بات — اور زیادہ تکنیکی طور پر اہم — گوگل تصویری نسل کو براہ راست تلاش میں AI Overviews میں شامل کر رہا ہے۔ Nano Banana ماڈل کا استعمال کرتے ہوئے، صارفین متن کا اشارہ ٹائپ کر سکتے ہیں اور تلاش کے نتائج کے صفحے کو چھوڑے بغیر ایک تیار کی گئی تصویر حاصل کر سکتے ہیں۔ یہ خصوصیت انگریزی میں تمام علاقوں میں رول آؤٹ ہو رہی ہے جو فی الوقت AI Mode میں تصویری تخلیق کی حمایت کرتے ہیں۔

یہ بتدریجی UI میں ترمیم نہیں ہیں۔ مجموعوں کی خصوصیت Google Images کو ایک غیر فعال تلاش انڈیکس سے ایک فعال دریافت اور الہام کی پرت میں دوبارہ تشکیل دیتی ہے — روایتی تلاش سے زیادہ Pinterest کے تعامل کے ماڈل کے قریب۔ اور AI Overviews میں تصویری نسل کو شامل کرنا جو پہلے ایک کثیر مرحلہ کا کام بہاؤ تھا (تلاش → حوالہ تلاش کریں → ایک نسل کا ٹول کھولیں → تیار کریں) اسے ایک واحد سوال میں سمیٹ دیتا ہے۔ اقدامات کی یہ کمپریشن ابھی AI-native مصنوع کی ڈیزائن کا تعریف کرنے والا نمونہ ہے، اور یہ قابل غور ہے کہ گوگل اسے بڑے پیمانے پر کیسے نافذ کر رہا ہے۔

بنیادی ماڈل کا انتخاب بھی قابل غور ہے۔ Nano Banana کو تعینات کرنا — Gemini خاندان میں ایک ہلکا، تیز رفتار متغیر — انلائن نسل کے لیے تجویز کرتا ہے کہ گوگل تاخیر اور وسیع علاقائی دستیابی کے لیے بہتری کر رہا ہے، نہ کہ صرف چوٹی کے معیار کے لیے۔ یہ ایک قصد شدہ بنیادی ڈھانچے کا فیصلہ ہے، سمجھوتہ نہیں۔

ایشیا کے لیے یہ کیوں اہم ہے

بصری تلاش ہمیشہ ایشیا میں اپنے وزن سے زیادہ اہم رہی ہے۔ جاپان، جنوبی کوریا، انڈونیشیا، اور ویتنام جیسی مارکیٹوں میں تاریخی طور پر مغربی مارکیٹوں کے مقابلے میں تصویری تلاش کے رویے کی شرح زیادہ رہی ہے — جزوی طور پر لپی کی پیچیدگی کی وجہ سے (Kanji یا Thai حروف میں تلاش موبائل کی بورڈ پر رگڑ ہو سکتی ہے)، جزوی طور پر ثقافتی خریداری کے نمونوں کی وجہ سے جو بنیادی طور پر بصری ہیں، اور جزوی طور پر سوشل کمرس پلیٹ فارمز کی غلبہ کی وجہ سے جہاں مصنوع کی دریافت ایک لفظ سے نہیں بلکہ ایک تصویر سے شروع ہوتی ہے۔

Shopee، Lazada، اور Tokopedia جیسے پلیٹ فارمز برسوں سے بصری تلاش کی خصوصیات فراہم کر رہے ہیں۔ کوریا میں Naver نے گوگل سے آزادانہ طور پر اپنی خود کی تصویری تلاش کی بنیادی ڈھانچہ بنائی۔ تھائی لینڈ اور تائیوان میں LINE کے خریداری کی انضمام بصری ٹریگرز پر بھاری انحصار کرتے ہیں۔ رویہ پہلے سے موجود ہے — گوگل کا یہ اقدام ایک تسلیم ہے کہ بصری تلاش پہلے ایک خصوصی استعمال کی صورت نہیں ہے بلکہ ایک مرکزی ہے، اور یہ کہ AI نسل کو ایک الگ ٹول میں نہیں بلکہ دریافت کے نقطے پر شامل ہونے کی ضرورت ہے۔

ایشیا کے ٹیک بانیوں کے لیے، مجموعوں کی خصوصیت قریب سے جانچنے کے قابل ہے۔ ایک تلاش کی مصنوع کے اندر مستقل، ذاتی نوعیت کے بصری بورڈز بنانے کی صلاحیت کسی بھی ایپ کے لیے براہ راست چیلنج ہے جو فی الوقت "بصری الہام کو محفوظ اور منظم کریں" کے استعمال کی صورت کو سنبھالتا ہے۔ اگر گوگل جنوب مشرقی ایشیائی مارکیٹوں میں اس کو جارحانہ انداز میں رول آؤٹ کرتا ہے — اور Nano Banana ماڈل کے بظاہر وسیع علاقائی حمایت پر توجہ دیتے ہوئے، یہ ممکن لگتا ہے — یہ صارف کی ایپلیکیشنز کے متعدد زمرہ جات کے ارد گرد خندق کو سمیٹ دیتا ہے۔

زیادہ وسیع طور پر، یہ اقدام ایک نمونے کو تقویت دیتا ہے جو ایشیائی ڈویلپرز کو سمجھنا چاہیے: AI کی انٹرفیس پرت متقارب ہو رہی ہے۔ نسل، تلاش، اور تنظیم اب الگ الگ مصنوع کی سطحیں نہیں ہیں۔ وہ ایک واحد، سیاق و سباق سے آگاہ تجربے میں سمٹ رہے ہیں۔ وہ مصنوعات جو ایشیا میں جیتیں گی وہ ہیں جو اس convergence کو دن کے پہلے سے ڈیزائن کی رکاوٹ کے طور پر سلوک کرتے ہیں، بعد میں شامل کرنے کے لیے ایک خصوصیت کے طور پر نہیں۔

تاخیر اور لاگت کے اثرات یہاں بھی اہم ہیں۔ جنوب مشرقی ایشیا میں امریکہ سے زیادہ متنوع ڈیوائس کا منظر نامہ ہے — صارفین کا ایک اہم حصہ متوسط رینج کے Android ڈیوائسز پر ہے جس میں متغیر رابطہ ہے۔ انلائن نسل کے لیے Nano-class ماڈل کا گوگل کا انتخاب ایک اشارہ ہے کہ پروڈکشن گریڈ بصری AI کو ان رکاوٹوں کے لیے بہتری کی ضرورت ہے، نہ کہ صرف کنٹرول شدہ ماحول میں اعلیٰ درجے کے ہارڈویئر پر بینچ مارک کیا جائے۔

ڈویلپرز کے لیے اس کا مطلب

اگر آپ تصویری تلاش، بصری مصنوع کی دریافت، یا ایشیا میں AI سے تیار کردہ مواد سے متعلق کوئی چیز بنا رہے ہیں، تو گوگل کے سالگرہ کے اعلان میں آپ کی بنیادی ڈھانچے اور مصنوع کے فیصلوں کے لیے تین براہ راست اثرات ہیں۔

1. انلائن نسل نیا معیاری UX توقع ہے۔ ایک بار جب صارفین تلاش کے نتیجے کے اندر تصویری نسل کا تجربہ کریں — ایپس کو تبدیل کیے بغیر، ایک الگ سروس کے لیے سائن اپ کیے بغیر — وہ اس نمونے کو ہر جگہ توقع کریں گے۔ اگر آپ کی مصنوع میں ایک "تصویر تلاش یا بنائیں" کا کام بہاؤ ہے جس میں دو سے زیادہ اقدامات کی ضرورت ہے، تو آپ کے پاس تکنیکی قرض ہے۔ اپنی ٹیم سے ابھی پوچھنے کے لیے سوال: ہمارے صارف کے سفر میں ہم کہاں کسی کو ایک بصری اثاثہ حاصل کرنے کے لیے ہماری مصنوع سے نکلنے پر مجبور کرتے ہیں؟ وہ باہر نکلنے کا نقطہ ایک کمزوری ہے۔

2. مجموعہ کی سطح پر ذاتی نوعیت ایک برقراری کا طریقہ ہے، ایک اچھی بات نہیں۔ گوگل کی مجموعوں کی خصوصیت ایک فیڈ بیک لوپ بناتی ہے — جتنا زیادہ آپ محفوظ کرتے ہیں، آپ کی دریافت کا فیڈ اتنا زیادہ مختص ہو جاتا ہے۔ یہ ایک اچھی طریقے سے سمجھا جانے والا مشغولیت کا نمونہ ہے، لیکن یہ اب تلاش پر لاگو ہو رہا ہے، جس میں تاریخی طور پر کوئی مستقل حالت نہیں تھی۔ اگر آپ ایک پلیٹ فارم بنا رہے ہیں جہاں صارفین بصری مواد کو دریافت اور منظم کرتے ہیں، تو آپ کو ایک ملتی جلتی فیڈ بیک بنیادی ڈھانچہ کی ضرورت ہے۔ سردی سے شروع کی جانے والی ذاتی نوعیت جدید embedding ماڈلز کے ساتھ حل کی جا سکتی ہے؛ سخت مسئلہ وہ UI بنانا ہے جو محفوظ کرنے کو اتنا سہل محسوس کرتا ہے کہ صارفین اصل میں ایسا کریں۔

3. پروڈکشن کے لیے ماڈل کا انتخاب ماڈل کی صلاحیت جتنا ہی اہم ہے۔ گوگل نے اس خصوصیت کے لیے اپنا سب سے طاقتور تصویری نسل کا ماڈل تعینات نہیں کیا — یہ Nano Banana کو تعینات کیا، رفتار اور وسیع دستیابی کے لیے بہتری کیا۔ یہ ایک خصوصیت کے لیے صحیح کال ہے جو متنوع نیٹ ورک کی حالات اور ڈیوائس کی کلاسز میں کام کرنے کی ضرورت ہے۔ ایشیائی ڈویلپرز جو AI کی خصوصیات بنا رہے ہیں انہیں ایک جیسی منطق لاگو کرنی چاہیے: اپنے ماڈل کے انتخاب کو بہترین صورت حال کے خلاف نہیں بلکہ اپنے اصل صارف کے ڈیوائس اور رابطے کی پروفائل کے خلاف بینچ مارک کریں۔ ایک قدرے کم صلاحیت والا ماڈل جو 800ms میں جواب دیتا ہے ہر بار، ہر مارکیٹ میں ایک زیادہ صلاحیت والے کو جو 4 سیکنڈ لیتا ہے، سے بہتر کارکردگی دکھائے گا۔

بنیادی ڈھانچے کی طرف سے، یہ بھی ایک اچھا لمحہ ہے کہ اپنی مصنوع کو کیسے سنبھالتے ہیں اس کا آڈٹ کریں connectors تصویری APIs اور نسل کے endpoints کے لیے۔ جیسے جیسے گوگل، Adobe، اور دوسری اپنی بصری AI APIs کو تیار کرتے رہتے ہیں، وہ ٹیمیں جنہوں نے صاف، ماڈیولر انضمام کی پرتیں بنائی ہیں وہ بغیر بنیادی مصنوع کی منطق کو دوبارہ لکھے ماڈلز کو تبدیل یا پرت کر سکیں گی۔ وہ ٹیمیں جنہوں نے ایک واحد فراہم کنندہ کو hardcoded کیا وہ اس فیصلے کو انجینئرنگ کے وقت میں ادا کریں گی۔